このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
二次計画法と錐計画法
二次目的と線形制約または錐制約のある問題の解決
最適化問題を解く前に、問題ベースかソルバーベースか、適切なアプローチを選択しなければなりません。詳細は、はじめに問題ベース アプローチまたはソルバーベース アプローチを選択を参照してください。
問題ベースのアプローチでは、問題変数を作成し、これらのシンボリック変数の観点から目的関数と制約を表現します。実行する問題ベースの手順については、問題ベースの最適化ワークフローを参照してください。結果として得られる問題を解くには、solve
を使用します。
目的関数と制約の定義、適切なソルバーの選択を含め、実行するソルバーベースの手順については、ソルバーベースの最適化問題の設定を参照してください。結果として得られる問題を解くには、quadprog
または coneprog
を使用します。
関数
ライブ エディター タスク
最適化 | ライブ エディターでの方程式の最適化または解決 |
オブジェクト
SecondOrderConeConstraint | 2 次錐制約オブジェクト |
トピック
問題ベースの二次計画法
- 範囲制約付きの二次計画法: 問題ベース
各種のアルゴリズムを使用して範囲制約がある問題ベースの二次計画問題を解く方法を示す。 - 大規模なスパース二次計画法、問題ベース
問題ベースのアプローチを使用して大規模なスパース二次計画を解く方法を示す。 - 範囲制約付き二次計画法、問題ベース
問題ベースの大規模な二次計画法を示す例。 - ポートフォリオ最適化に対する二次計画法、問題ベース
基本的なポートフォリオ モデルに対する問題ベースの二次計画法を示す例。 - Optimization Toolbox を使用したポートフォリオの分散化
この例では、最適化関数を使用して、ポートフォリオの資産分散化の 3 つの手法を示します。
ソルバーベースの二次計画法
- 範囲に制約のある二次の最小化
範囲制約とさまざまなオプションを伴う二次計画法の例。 - 多数の線形制約がある場合の二次計画法
この例では、線形制約の多い問題に対して有効制約法アルゴリズムを適用することの利点について説明します。 - quadprog のウォーム スタート
大規模な二次計画法でウォーム スタートが効果を発揮できることを示します。 - ウォーム スタートのベスト プラクティス
求解の繰り返しを高速化するために、最適なウォーム スタートの使用方法を説明します。 - 密な構造化されたヘッシアンを使った二次最小化
構造化された二次計画でメモリを節約する方法を示す例。 - 内点法アルゴリズムを使った大規模なスパース二次計画法
スパース二次行列を使用して二次計画法でメモリを節約する方法を示す例。 - 範囲制約付きの二次計画法、ソルバーベース
ソルバーベースの大規模な二次計画法を示す例。 - ポートフォリオ最適化問題に対する二次計画法、ソルバーベース
基本的なポートフォリオ モデルに対するソルバーベースの二次計画法を示す例。
問題ベースの 2 次錐計画法
- 錐計画法を使用した区分線形ばね質量系のエネルギーの最小化、問題ベース
錐計画法の問題ベースの例を示します。 - 離散化された最適軌跡 (問題ベース)
この例では、問題ベースのアプローチを使用して、離散化された最適軌跡問題を解く方法を示します。 - coneprog アルゴリズムの速度の比較
この節では、各種LinearSolver
オプション設定を使用し、一連の錐計画問題のタイミングについて説明します。 - 問題ベースの錐計画法の制約の記述
solve
で問題解決にconeprog
を使用する際の要件。
ソルバーベースの 2 次錐計画法
- 錐計画法を使用した区分線形ばね質量系のエネルギーの最小化 (ソルバーベース)
錐計画法を使用して、力学的ばね質量問題を解きます。 - 2 次制約から 2 次錐制約への変換
2 次制約をconeprog
形式に変換します。 - 二次計画問題から 2 次錐問題への変換
二次計画問題を 2 次錐問題に変換します。
コード生成
- quadprog 用のコード生成の背景
2 次最適化用の C コードを生成するための前提条件。 - quadprog のコード生成
最適化ソルバーquadprog
のコード生成の基本を学習します。 - ウォーム スタートのベスト プラクティス
求解の繰り返しを高速化するために、最適なウォーム スタートの使用方法を説明します。 - リアルタイム アプリケーションの最適化コード生成
生成コードにおいてリアルタイム要件に対処する手法を紹介します。
問題ベースのアルゴリズム
- 問題ベースの最適化アルゴリズム
最適化関数とオブジェクトで最適化問題を解く方法を学習します。 - 問題ベースの錐計画法の制約の記述
solve
で問題解決にconeprog
を使用する際の要件。 - 最適化変数および式でサポートされる演算
最適化変数と式でサポートされている数学的演算とインデックス演算を確認します。
アルゴリズムとオプション
- 二次計画法のアルゴリズム
線形制約と範囲制約のみをもつ n 次元の二次目的関数を最小化します。 - 2 次錐計画法アルゴリズム
基礎となるアルゴリズムの説明。 - 最適化オプション リファレンス
最適化のオプションを紹介します。